Web Platform Tests项目中的Cookie Store API前缀大小写不敏感测试解析
Web Platform Tests(简称WPT)是一个开源项目,旨在为Web平台提供跨浏览器兼容性测试套件。该项目包含了大量针对Web API、CSS、HTML等Web技术的测试用例,帮助浏览器厂商和开发者验证其实现是否符合Web标准规范。
Cookie Store API前缀规范背景
Cookie Store API是一个相对较新的Web API,它提供了比传统document.cookie更强大和灵活的Cookie操作接口。在该API规范中,定义了两类特殊的Cookie前缀:"__Secure-"和"__Host-",这些前缀具有特定的安全语义。
根据规范要求,当Cookie名称以"__Host-"开头时(不区分大小写),API必须禁止通过显式设置Domain属性或非'/'的Path属性来覆盖这些安全限制。同样,"__Secure-"前缀也遵循类似的规则。
测试用例的技术实现
本次发布的测试主要验证了Cookie Store API对这两种前缀的大小写不敏感处理能力。测试用例设计考虑了以下关键点:
-
大小写变体验证:测试会尝试使用不同大小写组合的前缀,如"__HOST-"、"__host-"或"__SECURE-"等,确保API能够正确识别这些变体并应用相应的安全限制。
-
属性覆盖限制:对于"__Host-"前缀的Cookie,测试会尝试设置Domain属性或非根路径的Path属性,验证API是否按照规范拒绝这些操作。
-
安全语义保持:测试确保即使使用不同大小写的前缀,Cookie的安全语义(如必须通过安全连接传输、禁止脚本访问等)仍然得到保持。
技术意义与影响
这项测试的加入对Web安全具有重要意义:
-
规范一致性:确保不同浏览器实现对Cookie前缀的处理与规范要求一致,避免因实现差异导致的安全问题。
-
开发者友好性:通过明确大小写不敏感的要求,减少了开发者因大小写错误导致功能异常的可能性。
-
安全加固:验证了安全相关前缀的严格处理,防止恶意网站通过大小写变通绕过安全限制。
测试实现细节
在实际测试代码中,通常会包含以下类型的断言:
- 验证以各种大小写组合的前缀命名的Cookie是否被正确识别
- 尝试设置违规属性时是否抛出适当的异常
- 验证安全标志是否被正确设置
- 检查通过不同大小写前缀设置的Cookie是否被视为等效
这些测试不仅验证了API的表面行为,还深入检查了安全语义的实现正确性,为Web平台的安全模型提供了重要保障。
总结
Web Platform Tests项目中新增的这项测试,体现了对Web安全细节的严格把控。通过全面验证Cookie Store API对安全前缀的大小写不敏感处理,不仅完善了测试覆盖范围,也为Web开发者提供了更可靠的安全基础。这类测试的加入,正是WPT项目作为Web平台质量守门人的价值体现。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00